Akıllı telefonlardan süper bilgisayarlara ve ChatGPT gibi devasa yapay zeka modellerini eğiten veri merkezlerine kadar modern dijital dünyanın temelinde, çıplak gözle görülmeyen minik bir elektronik bileşen yer alıyor: Transistör. 1947 yılında Bell Laboratuvarları’nda mekanik rölelerin ve hantal vakum tüplerinin yerini almak üzere geliştirilen bu yarı iletken anahtar, aradan geçen 80 yıla yakın sürede milyarlarca kat küçülerek modern yapay zeka devriminin itici gücü haline geldi.
Vakum tüplerinin yüksek enerji tüketen, aşırı ısı yayan ve sık sık arızalanan kırılgan yapısını geride bırakan transistörler; entegre devreler ve modern mikroişlemciler sayesinde tek bir silikon yonga üzerine milyarlarca adet sığdırılabilir hale geldi.
Fiziksel sınırları aşan mimari dönüşüm: FinFET’ten GAA’ya
Yarı iletken endüstrisinde on yıllar boyunca işlem gücünü artırmanın temel yolu bileşenleri küçültmek oldu. Ancak boyutlar atomik ölçeklere yaklaştıkça akım sızıntıları, aşırı ısınma ve kuantum tünelleme gibi fiziksel engeller baş gösterdi. Bu zorluklar transistörün geometrik yapısında köklü reformları zorunlu kıldı:
- Düzlemsel (Planar) transistörler: Kapının akım kanalını tek bir yüzeyden kontrol ettiği ilk nesil tasarım, minyatürleşmeyle birlikte akım kaçaklarını engelleyemez hale geldi.
- FinFET mimarisi: Üç boyutlu yüzgeç benzeri kanallar inşa edilerek kapının iletkeni üç taraftan kavraması sağlandı ve elektriksel kontrol güçlendirildi.
- Gate-All-Around (GAA) ve Nanosheet: Günümüzde 2 nanometre (2nm) eşiğinde devreye giren yeni mimaride kapı, üst üste dizilmiş ultra ince silikon yaprakları (nanosheet) dört bir taraftan tamamen sararak akım sızıntısını minimuma indiriyor.
Applied Materials gibi endüstri devleri, GAA transistörlerde atom seviyesindeki yüzey pürüzlülüğünün dahi iletkenlik özelliklerini bozduğunu, bu nedenle üretimin artık atomik düzeyde aşındırma ve yüzey düzleştirme teknikleriyle yürütüldüğünü belirtiyor.
2 nanometre yarışı ve yapay zekanın işlemci açlığı
Yarı iletken üretiminde “2 nanometre” ifadesi, artık tek bir bileşenin fiziksel boyutundan ziyade yeni nesil üretim teknolojilerini simgeliyor. TSMC (Taiwan Semiconductor Manufacturing Company) gibi küresel üreticiler; 2nm sınıfı üretim platformlarını (N2 ve N2U gibi revizyonlar) doğrudan yapay zeka ve yüksek başarımlı hesaplama (HPC) sistemlerinin ihtiyaçlarına göre optimize ediyor.
Yeni nesil yongalar, önceki nesillere kıyasla yüzde 3 ila 4 hız artışı sağlarken güç tüketimini yüzde 8 ila 10 oranında düşürüyor. Milyarlarca parametreli yapay zeka modellerinin milyarlarca matematiksel işlemi eş zamanlı yürütmesi, transistör yoğunluğu kadar veri yolları ve enerji verimliliğini de yonga tasarımının merkezine taşıyor.
Enerji tüketimi ve sıvı soğutma mecburiyeti
İşlem kapasitesinin tek bir yonga üzerinde yoğunlaşması, tüketilen elektrik enerjisinin doğrudan devasa bir ısıya dönüşmesine yol açıyor. Bu durum veri merkezlerinde geleneksel hava soğutma yöntemlerini yetersiz bırakıyor.
2026 yılında IEEE Transactions on Cloud Computing dergisinde yayımlanan bilimsel bir çalışma, her biri 8 adet NVIDIA H100 grafik işlem birimi (GPU) barındıran sistemlerin soğutma performansını kıyasladı:
- Hava soğutmalı sistemlerde GPU sıcaklıkları tam yük altında 54 ila 72 santigrat dereceye ulaşırken, doğrudan sıvı soğutmalı sistemler sıcaklığı 41 ila 50 santigrat derece bandında tuttu.
- Sıvı soğutmalı H100 sistemleri, kart başına yaklaşık 54 teraflop işlem gücüne ulaşarak geleneksel hava soğutmalı sistemlere (46 teraflop) kıyasla yaklaşık yüzde 17 daha yüksek saf hesaplama performansı sergiledi.
Araştırmacılar, 2 nanometre ve ötesinde transistörlerin dikey olarak üst üste dizildiği (3D istifleme) mimariler, iki boyutlu alternatif malzemeler ve yonganın arka yüzünden güç iletimi (backside power delivery) gibi teknolojiler üzerinde çalışmayı sürdürüyor. Bell Laboratuvarları’ndan çıkan mütevazı anahtar, sınırlarını zorlayarak yapay zekanın geleceğini şekillendirmeye devam ediyor.
